龚永罡 王嘉欣 廉小亲 裴晨晨

(北京工商大学计算机与信息工程学院 北京 100048)

0 引 言

在复杂多样的各类信息数据组成形式中，文本数量呈指数级快速增长[1]。快速从铺天盖地的文本数据中提取出需要的关键信息已经成为文本信息处理的一个发展趋势。然而如今网络上信息繁多且冗余过多，使该工作极其繁琐、耗时。提取文本中心内容、概括大意，能够大大提高检索和阅读理解文献的效率。

抽取式文摘和生成式文摘是目前两种主要文摘方法。抽取式文摘来自原文本的句子，而生成式文摘是在理解原文的基础上使用自动生成语言的技术来完成文摘[2]。然而由于生成式对自然语言处理技术要求非常高，对其研究还处于初步阶段，目前大多采用抽取式来进行自动文摘。

从目前的研究成果来看，中文自动文摘技术距离国际先进水平还有一定的差距[3]。苏海菊等[4]最早进入自动文摘研究领域。随后，哈尔滨工业大学的王开铸教授等人开发了军用文摘系统MATA[5]。王思聪[6]提出基于统计方法的文摘模型，仅通过计算实现，未将语义考虑进去。苏彬[7]将Word2vec应用到文摘模型中。刘凯等[8]提出基于篇章修辞结构抽取摘要的方法，使文摘更加通顺易读。虽然传统的抽取式文摘技术已经较为成熟，但是仍然有待改进，如选取特征的权值安排、文摘句的排序和最终文摘的润色等。

自动文摘评价指标主要从文摘的连贯性、可读性、信息覆盖度、长度和冗余度等方面来评价，目前比较流行的评价方法是ROUGE方法。……